Spaces:
Sleeping
Sleeping
File size: 2,706 Bytes
245a3b6 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 | import streamlit as st
import numpy as np
import pandas as pd
from PIL import Image
import tensorflow as tf
# --- PAS DIT AAN ALS JE ANDERE KLASSEN HEBT ---
CLASS_NAMES = [
"Ajwa",
"Galaxy",
"Medjool",
"Meneifi",
"Nabtat Ali",
"Rutab",
"Shaishe",
"Sokari",
"Sugaey"
]
IMG_SIZE = (128, 128) # dezelfde grootte als in je model
@st.cache_resource
def load_model():
"""Laad het Keras-model één keer en cache het."""
model = tf.keras.models.load_model("date_fruit_model.h5")
return model
def preprocess_image(image: Image.Image) -> np.ndarray:
"""
Maakt een PIL-image klaar voor het model:
- resize
- naar np.array
- normaliseren [0,1]
- batch-dimensie toevoegen
"""
image = image.convert("RGB") # voor de zekerheid
image = image.resize(IMG_SIZE)
arr = np.array(image, dtype="float32") / 255.0
arr = np.expand_dims(arr, axis=0) # shape: (1, 128, 128, 3)
return arr
def main():
st.set_page_config(page_title="Date Fruit Classifier", layout="centered")
st.title("🍇 Date Fruit Classifier")
st.write("Upload een foto van een dadel en het model probeert de soort te raden.")
# Sidebar info
st.sidebar.header("Info")
st.sidebar.write("Model: Convolutional Neural Network (Keras/TensorFlow)")
st.sidebar.write(f"Aantal klassen: **{len(CLASS_NAMES)}**")
uploaded_file = st.file_uploader(
"Kies een afbeelding", type=["jpg", "jpeg", "png"]
)
if uploaded_file is not None:
# Toon de geüploade afbeelding
image = Image.open(uploaded_file)
st.image(image, caption="Geüploade afbeelding", use_container_width=True)
if st.button("Classificeer"):
with st.spinner("Bezig met voorspellen..."):
model = load_model()
input_arr = preprocess_image(image)
preds = model.predict(input_arr)[0] # shape: (n_classes,)
pred_idx = int(np.argmax(preds))
pred_name = CLASS_NAMES[pred_idx]
pred_conf = float(preds[pred_idx])
st.subheader("🔎 Voorspelling")
st.write(f"**Klasse:** {pred_name}")
st.write(f"**Vertrouwen:** {pred_conf:.2%}")
# Probabilities per klasse
st.subheader("📊 Waarschijnlijkheid per klasse")
probs_df = pd.DataFrame({
"Klasse": CLASS_NAMES,
"Score": preds
})
probs_df = probs_df.set_index("Klasse")
st.bar_chart(probs_df)
if __name__ == "__main__":
main()
|